基于激光束的织物织造疵点检测方法与流程

技术特征：
1.基于激光束的织物织造疵点检测方法，其特征在于，所述方法包括：在织物生产机床上，部署空间光调节器与相机，通过所述空间光调节器产生激光束打在织物表面，同时利用所述相机获取织物表面光斑图像；建立高斯光斑检测神经网络对所述织物表面光斑图像进行光斑区域提取，获取高斯光斑区域图像；对所述高斯光斑区域图像进行分析，获取织物光斑区域图像，根据所述织物光斑区域图像获取激光束光强图像，根据所述织物光斑图像及所述激光束光强图像用贝叶斯混合高斯模型进行拟合，得到高斯光束分布图像及高斯光束的形态参数；基于所述高斯光束分布图像进行分析，得到所述光强对称熵，将所述高斯光束的形态参数及所述光强对称熵进行结合获取时序的高斯光束特征向量；利用机器学习模型对所述时序的高斯光束特征向量进行识别，判断疵点类型。2.根据权利要求1所述的基于激光束的织物织造疵点检测方法，其特征在于，所述空间光调节器打出的激光束为高斯光束。3.根据权利要求1所述的基于激光束的织物织造疵点检测方法，其特征在于，所述建立高斯光斑检测神经网络对所述织物表面光斑图像进行光斑区域提取的方法包括：构建标签数据集，首先人为通过标注工具标记出图像中的光斑区域，所述光斑区域的标注采用椭圆形进行标注，然后对每一个光斑区域内的光斑像素坐标进行二维高斯分布拟合，得到该光斑区域的高斯分布函数；然后通过计算机代码生成一张与采集图像等大小的全0图像，将每一个光斑区域内的光斑像素空间坐标带入其所属的光斑区域的高斯分布函数，并进行归一化，得到该像素的标注值，最终得到高斯光斑标注图像；然后建立高斯光斑检测神经网络，其输入为采集的织物表面光斑图像，输出为高斯光斑区域图像，然后将高斯光斑区域图像与高斯光斑标注图像进行损失函数计算，损失函数采用均方差损失，神经网络训练完毕后，输入采集的织物表面光斑图像，输出高斯光斑区域图像。4.根据权利要求1所述的基于激光束的织物织造疵点检测方法，其特征在于，所述对所述高斯光斑区域图像进行分析，获取织物光斑区域图像，根据所述织物光斑区域图像获取激光束光强图像，包括：利用阈值法提取高斯光斑区域图像中的光斑坐标，大于光斑阈值的像素值置为1，代表为高斯光斑坐标，小于光斑阈值的值为0，得到高斯光斑区域二值图像；然后将高斯光斑区域二值图像与织物表面光斑图像进行相乘，得到织物光斑区域图像；利用基于retinex理论的msrcr 算法对织物光斑区域图像进行处理，得到织物表面的反射分量图像，然后根据下述公式，得到激光束光强图像：i(x,y)代表织物光斑区域图像；l(x,y)代表激光束光强图像；r(x,y)表示织物表面的反射分量图像，所述激光束光强图像需要进行归一化操作。5.根据权利要求1所述的基于激光束的织物织造疵点检测方法，其特征在于，所述根据所述织物光斑图像及所述激光束光强图像用贝叶斯混合高斯模型进行拟合，得到高斯光束分布图像及高斯光束的形态参数，包括：
采用贝叶斯高斯混合模型对高斯光斑区域二值图像中的高斯光斑坐标及激光束光强图像相应坐标下的激光照射分量值进行拟合，最终得到多个高斯分布的均值与标准差；然后获取每一个高斯分布的区域范围，其中区域范围的中心为高斯分布中坐标的均值，坐标的标准差的两倍分别作为区域的长轴、短轴，最终得到高斯光束分布图像；对于高斯光束分布图像中每一个高斯光束分布区域进行椭圆拟合，获取椭圆的特征参数旋转角度，每一个高斯光束分布区域的长轴、短轴与旋转角度作为该高斯光束的形态参数。6.根据权利要求1所述的基于激光束的织物织造疵点检测方法，其特征在于，所述基于所述高斯光束分布图像进行分析，得到所述光强对称熵，将所述高斯光束的形态参数及所述光强对称熵进行结合获取时序的高斯光束特征向量，包括：根据每个光斑区域的长轴、短轴位置，获取其长轴像素序列、短轴像素序列，并根据所述长轴像素序列、短轴像素序列分析每一对称像素对的距离，判断其是否为光强对称分布，得到长轴光强对称序列，短轴光强对称序列；对于每一个光强对称序列，计算其光强对称熵；将每个光斑区域所对应的高斯分布的均值、标准差及光强对称熵与高斯光束的形态参数进行组合，得到高斯光束的特征向量；然后根据激光束的间距及织物织造机床的运动距离进行规定采样，得到单个光斑在不同传输位置上激光束的光斑成像，然后将采样的图像的同一光斑位置的高斯光束特征向量按顺序排列，组成时序的高斯光束特征向量。7.根据权利要求6所述的基于激光束的织物织造疵点检测方法，其特征在于，所述根据所述长轴像素序列、短轴像素序列分析每一对称像素对的距离，判断其是否为光强对称分布，得到长轴光强对称序列，短轴光强对称序列，包括：所述对称像素对是指序列中像素以中心点为对称的像素，当对称像素对像素值的l1距离小于该像素对所对应的对称阈值g时，认为其光强对称分布，距离阈值的经验值为：离小于该像素对所对应的对称阈值g时，认为其光强对称分布，距离阈值的经验值为：为阈值常数，需要人为根据激光束的标准大小进行调试，d为该对称像素对任一像素点与中心点的距离，l为该序列中最大的像素点与中心点的距离；当光强对称分布时，置为1，不符合时置为0，最终得到一个光强对称序列，然后对于长轴像素序列、短轴像素序列都进行上述分析，得到长轴光强对称序列，短轴光强对称序列。8.根据权利要求6所述的基于激光束的织物织造疵点检测方法，其特征在于，所述对于每一个光强对称序列，计算其光强对称熵包括：将光强对称序列中每两个相邻的序列值，组成一个共生对，然后求取每一种共生对的概率，最终得到光强对称共生矩阵；然后计算下述光强对称熵s：n为光强对称序列的个数，表示第i个光强对称序列第j个共生对的概率, 所述共生
对只分析包含0的共生对，k表示共生对的种类数量，最终得到s越大，表明光强分布非均匀程度越大。

技术总结
本发明涉及光学检测技术领域，具体涉及基于激光束的织物织造疵点检测方法。该方法包括：在织物生产机床上，部署空间光调节器与相机，通过空间光调节器产生激光束打在织物表面，利用相机获取织物表面光斑图像；建立神经网络对所述织物表面光斑图像进行光斑区域提取，获取高斯光斑区域图像；并对其利用贝叶斯混合高斯模型进行拟合，获取时序的高斯光束特征向量；利用机器学习模型对所述时序的高斯光束特征向量进行识别，判断疵点类型。本发明方法可以检测复杂背景与织物图案下任意数量的高斯激光束，同时结合高斯光束的特征向量，对高斯光束进行了更有效的量化，有效提高了织物疵点的判断精度。疵点的判断精度。疵点的判断精度。


技术研发人员：朱晓辉
受保护的技术使用者：南通市怡天时纺织有限公司
技术研发日：2022.10.11
技术公布日：2022/11/8